MCDMClassification Metric
재현율 (Recall, 민감도)
Recall은 분류기가 실제 양성 사례를 올바르게 식별한 비율을 측정합니다. 이는 '실제로 양성인 모든 사례 중에서 얼마나 많은 사례를 찾아냈는가?'라는 질문에 답합니다. Recall은 양성 사례를 놓치는 것이 비용이 많이 드는 시나리오에서 중요합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. DOI: 10.1016/j.patrec.2005.10.010 ↗
- Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/ko/model-evaluation/recall
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 균형 정확도모델 평가↔ compare
- F1-점수모델 평가↔ compare
- 매튜 상관 계수모델 평가↔ compare
- 정밀도(Precision)모델 평가↔ compare
- 특이도(Specificity)모델 평가↔ compare